我知道Pandas可以执行重采样,也可以对时间戳索引为浮点数的数据执行重采样:Pandas - Resampling and Interpolation with time float64 但是,我不确定如何将其应用于我的问题/usr/bin/env python3
import pandas as pd
print(df_data) 此
我正在使用Python的rasterio重采样光栅数据。查看rasterio.enums.Resampling类,似乎唯一的方法是在相邻的栅格网格之间进行插值,实质上是平滑数据。有什么方法可以简单地重采样,有效地将一个栅格网格划分成多个,并保留所有子网格的原始值?我的重采样脚本如下--目前使用的是双线性方法:
with rasterio.open(str(rast
N
现在,我想通过从N个样本中转储(N- M )数据,将样本的大小从N“减少”到M。我希望转储尽可能地“分布式”,所以如果我有100个样本,并想将其压缩为50个样本,我会丢弃其他所有样本。另一个例子,假设数据是100个样本,我想将其压缩为25个样本。我会在每组100/25个样本中丢弃一个样本,这意味着我会迭代每个样本和计数,每当我的计数达到4个时,我就会丢弃样本并重新开始计数。